reonokiy/vsp-encyclopedic-vqa

--- license: apache-2.0 task_categories: - visual-question-answering - information-retrieval tags: - vision-self-play - multimodal - knowledge-intensive --- # Encyclopedic-VQA (Vision Self-Play format) Encyclopedic visual QA (Google, ICCV 2023), converted to unified Parquet schema. > Mensink et al., Encyclopedic VQA: Visual questions about detailed properties of fine-grained categories. ICCV 2023. ## Schema | Field | Type | |-------|------| | wikipedia_title | large_string | | wikipedia_url | large_string | | question_original | large_string | | question | large_string | | question_type | large_string | | answer | large_string | | evidence | large_string | | evidence_section_id | large_string | | evidence_section_title | large_string | | dataset_name | large_string | | dataset_category_id | large_string | | wikipedia_url_used_in_train | large_string | | encyclopedic_vqa_split | large_string | | dataset_image_ids | large_string | ## Splits | Split | Rows | Size | |-------|------|------| | test | 5,750 | 0.5 MB | | train | 212,338 | 14.6 MB | | val | 2,950 | 0.3 MB | | **Total** | **221,038** | | ## Usage ```python from datasets import load_dataset ds = load_dataset("reonokiy/vsp-encyclopedic-vqa") # 或加载特定 split train = load_dataset("reonokiy/vsp-encyclopedic-vqa", split="train") ```许可证：Apache 2.0许可证 任务类别： - 视觉问答（visual-question-answering） - 信息检索（information-retrieval） 标签： - 视觉自玩（vision-self-play） - 多模态（multimodal） - 知识密集型（knowledge-intensive） # 百科视觉问答（Vision Self-Play格式） 本数据集为谷歌团队于2023年国际计算机视觉大会（ICCV）提出的百科视觉问答任务数据集，已转换为统一的Parquet数据格式。 > 由Mensink等人提出的《百科视觉问答：细粒度类别细节属性相关视觉问题》，发表于ICCV 2023。 ## 数据结构 | 字段名 | 数据类型 | |-------|------| | 维基百科标题（wikipedia_title） | 大字符串类型 | | 维基百科链接（wikipedia_url） | 大字符串类型 | | 原始问题（question_original） | 大字符串类型 | | 问题（question） | 大字符串类型 | | 问题类型（question_type） | 大字符串类型 | | 答案（answer） | 大字符串类型 | | 佐证证据（evidence） | 大字符串类型 | | 佐证章节ID（evidence_section_id） | 大字符串类型 | | 佐证章节标题（evidence_section_title） | 大字符串类型 | | 数据集名称（dataset_name） | 大字符串类型 | | 数据集类别ID（dataset_category_id） | 大字符串类型 | | 训练集使用的维基百科链接（wikipedia_url_used_in_train） | 大字符串类型 | | 百科视觉问答数据集划分（encyclopedic_vqa_split） | 大字符串类型 | | 数据集图像ID（dataset_image_ids） | 大字符串类型 | ## 数据集划分 | 划分方式 | 样本数量 | 数据大小 | |-------|------|------| | 测试集（test） | 5,750 | 0.5 MB | | 训练集（train） | 212,338 | 14.6 MB | | 验证集（val） | 2,950 | 0.3 MB | | **总计（Total）** | **221,038** | | ## 使用方法 python from datasets import load_dataset # 加载完整数据集 ds = load_dataset("reonokiy/vsp-encyclopedic-vqa") # 或加载指定划分的数据集 train = load_dataset("reonokiy/vsp-encyclopedic-vqa", split="train")